En UCL-ledd forskargrupp har använt artificiell intelligens (AI)-tekniker för att härleda mörk energis inflytande och egenskaper mer exakt från en karta över mörk och synlig materia i universum som täcker de senaste 7 miljarderna åren.
Studien, inlämnad till Monthly Notices of the Royal Astronomical Society och tillgänglig på arXiv preprint server, utfördes av Dark Energy Survey-samarbetet. Forskarna fördubblade precisionen med vilken nyckelegenskaper hos universum, inklusive den totala tätheten av mörk energi, kunde utläsas från kartan.
Denna ökade precision gör det möjligt för forskare att utesluta modeller av universum som tidigare kunde ha varit tänkbara.
Mörk energi är den mystiska kraften som påskyndar universums expansion och tros utgöra cirka 70 % av universums innehåll (med mörk materia, osynliga saker vars gravitation drar galaxer, utgör 25 %, och normal materia bara 5 % ).
Huvudförfattaren Dr. Niall Jeffrey (UCL Physics &Astronomy) sa:"Genom att använda AI för att lära av datorsimulerade universum ökade vi precisionen i våra uppskattningar av universums nyckelegenskaper med en faktor två.
"För att uppnå denna förbättring utan dessa nya tekniker skulle vi behöva fyra gånger så mycket data. Detta skulle motsvara att kartlägga ytterligare 300 miljoner galaxer."
Medförfattaren Dr. Lorne Whiteway (UCL Physics &Astronomy) sa:"Våra resultat är i linje med den nuvarande bästa förutsägelsen av mörk energi som en 'kosmologisk konstant' vars värde inte varierar i rum eller tid. Men de tillåter också flexibilitet för att en annan förklaring ska vara korrekt. Till exempel kan det fortfarande vara så att vår gravitationsteori är fel."
I linje med tidigare analyser av Dark Energy Survey-kartan, som först publicerades 2021, tyder resultaten på att materia i universum sprids smidigare ut - mindre klumpigt än vad Einsteins allmänna relativitetsteori skulle förutsäga. Avvikelsen var dock mindre signifikant för denna studie jämfört med den tidigare analysen, eftersom felstaplarna var större.
Dark Energy Survey-kartan erhölls genom en metod som kallas svag gravitationslinsning – det vill säga att se hur ljus från avlägsna galaxer har böjts av tyngdkraften hos intervenerande materia på väg till jorden.
Samarbetet analyserade förvrängningar i form av 100 miljoner galaxer för att sluta sig till fördelningen av all materia, både mörk och synlig, i förgrunden av dessa galaxer. Den resulterande kartan täckte en fjärdedel av himlen på södra halvklotet.
För den nya studien använde forskarna brittiska regeringsfinansierade superdatorer för att köra simuleringar av olika universum baserat på data från Dark Energy Survey-materiekartan. Varje simulering hade en annan matematisk modell av universum som stödde den.
Forskarna skapade materiekartor från var och en av dessa simuleringar. En maskininlärningsmodell användes för att extrahera informationen i de kartor som var relevanta för kosmologiska modeller. Ett andra verktyg för maskininlärning, som lärde sig från de många exemplen på simulerade universum med olika kosmologiska modeller, tittade på de verkliga observerade data och gav oddsen för att någon kosmologisk modell skulle vara den sanna modellen av vårt universum.
Denna nya teknik gjorde det möjligt för forskare att använda mycket mer information från kartorna än vad som skulle vara möjligt med den tidigare metoden. Simuleringarna kördes på DiRAC High Performance Computing (HPC) anläggning.
Nästa fas av mörka universum-projekt – inklusive Europeiska rymdorganisationens uppdrag Euclid, som lanserades förra sommaren – kommer att avsevärt öka mängden data vi har om universums storskaliga strukturer, vilket hjälper forskare att avgöra om den oväntade jämnheten hos universum är ett tecken på att nuvarande kosmologiska modeller är felaktiga eller om det finns en annan förklaring till det.
För närvarande står denna jämnhet i strid med vad som skulle förutsägas baserat på analys av den kosmiska mikrovågsbakgrunden (CMB) – ljuset som blev över från Big Bang.
Dark Energy Survey-samarbetet, som UCL är en av grundarna av, är värd för det amerikanska energidepartementets Fermi National Accelerator Laboratory (Fermilab) och involverar mer än 400 forskare från 25 institutioner i sju länder.
Samarbetet har katalogiserat hundratals miljoner galaxer, med hjälp av fotografier av natthimlen tagna av 570-megapixel Dark Energy Camera, en av världens mest kraftfulla digitalkameror, under sex år (från 2013 till 2019). Kameran, vars optiska korrektor byggdes vid UCL, är monterad på ett teleskop vid National Science Foundations Cerro Tololo Inter-American Observatory i Chile.
Mer information: N. Jeffrey et al, Dark Energy Survey År 3 resultat:sannolikhetsfri, simuleringsbaserad wCDM-inferens med neural komprimering av kartstatistik med svaga linser, arXiv (2024). DOI:10.48550/arxiv.2403.02314
Tillhandahålls av University College London
